🇬🇧 English • 🇨🇳 中文
确定性企业级 AI 智能体平台。
面向 Agentic Web 的神经符号架构 — OntoCore • OntoMCP • OntoStore
概述 •
快速开始 •
路线图 •
设计理念
---
## OntoSkills 是什么？
OntoSkills 将自然语言技能定义转换为**经过验证的 OWL 2 本体**——可查询的知识图谱，为 AI 智能体提供确定性推理能力。
**问题：** LLM 以概率方式读取技能。相同的查询，不同的结果。冗长的技能文件消耗大量 token 并使小模型困惑。
**解决方案：** 将技能编译成本体。用 SPARQL 查询。每次都能获得精确答案。
```mermaid
flowchart LR
CORE["OntoCore
━━━━━━━━━━
SKILL.md → .ttl
LLM + SHACL"] -->|"编译"| CENTER["OntoSkills
━━━━━━━━━━
OWL 2 本体
.ttl 制品"]
CENTER -->|"加载"| MCP["OntoMCP
━━━━━━━━━━
Rust SPARQL
内存图"]
MCP <-->|"查询"| AGENT["AI 智能体
━━━━━━━━━━
确定性
推理"]
style CORE fill:#e91e63,stroke:#2a2a3e,color:#f0f0f5
style CENTER fill:#abf9cc,stroke:#2a2a3e,color:#0d0d14
style MCP fill:#92eff4,stroke:#2a2a3e,color:#0d0d14
style AGENT fill:#6dc9ee,stroke:#2a2a3e,color:#0d0d14
```
---
## 为什么选择 OntoSkills？
| 问题 | 解决方案 |
|---------|----------|
| LLM 每次对文本的解读都不同 | SPARQL 返回精确答案 |
| 50+ 个技能文件 = 上下文溢出 | 只查询所需内容 |
| 关系没有可验证的结构 | OWL 2 形式语义 |
| 小模型无法理解复杂技能 | 通过图查询实现智能民主化 |
**对于 100 个技能：** ~500KB 文本扫描 → ~1KB 查询
[→ 阅读完整设计理念](PHILOSOPHY_zh.md)
---
## 快速开始
```bash
# 安装 MCP 运行时并引导你的客户端
npx ontoskills install mcp --claude
# 或单独安装 Python 编译器
pip install ontocore
ontocore compile
```
[→ 完整安装指南](https://ontoskills.sh/zh/docs/getting-started/)
---
## 组件
| 组件 | 语言 | 描述 |
|-----------|----------|-------------|
| **OntoCore** | Python | 神经符号编译器：SKILL.md → OWL 2 本体 |
| **OntoMCP** | Rust | MCP 服务器，亚毫秒级 SPARQL 查询 |
| **OntoStore** | GitHub | 版本化技能注册表 |
| **CLI** | Node.js | 一键安装器（`npx ontoskills`） |
---
## 文档
- **[概述](https://ontoskills.sh/zh/docs/overview/)** — OntoSkills 是什么及其重要性
- **[快速开始](https://ontoskills.sh/zh/docs/getting-started/)** — 安装和入门
- **[架构](https://ontoskills.sh/zh/docs/architecture/)** — 系统如何工作
- **[知识提取](https://ontoskills.sh/zh/docs/knowledge-extraction/)** — 从技能中提取价值
- **[OntoStore](https://ontoskills.sh/zh/ontostore/)** — 浏览和安装技能
- **[路线图](https://ontoskills.sh/zh/docs/roadmap/)** — 开发阶段
---
## 许可证
MIT 许可证 — 详情见 [LICENSE](LICENSE)。
*© 2026 [mareasw/ontoskills](https://github.com/mareasw/ontoskills)*
OntoSkills